摘要：受智能手機日益普及、開放科學迅猛發展的影響，遙感正在由專業化發展和應用走向大眾化發展和應用。這一趨勢主要體現在數據采集的大眾化、數據處理的大眾化和數據使用的大眾化。本文圍繞這3個特點進行討論和分析，介紹了國內外新近的一些代表性工作和進展，同時也列舉了眾多國際上的開放數據處理工具，包括攝影測量處理、激光掃描測量處理、影像機器學習、地理空間信息管理等。此外，本文還對開放數據的收益作了詳細闡述，并列舉了眾多覆蓋全球的數據計劃和用于科研的試驗用數據集。本文最后指出，遙感的大眾化既會產生巨大的經濟效益，也將產生巨大的社會效益，并最終改變行業的格局和大眾的生活方式。

關鍵詞：遙感測繪    地理信息    智能手機    開放數據    開放科學    

Remote Sensing:From Trained Professionals to General Public

SHAN Jie^1,2     

微信號：MeetyXiao
添加微信好友, 獲取更多信息
復制微信號

Abstract: Influenced by the growing popularity of *** art phones and the rapid development of open science, remote sensing is being developed and applied more by general public than by trained professionals. This trend is mainly embodied in the democratized data collection, democratized data processing and democratized data usage. This paper discusses and *** yzes the three aforementioned characteristics, introduces some recent representative work and progress. It also lists numerous international open data processing tools, including photogrammetry processing, laser scanning processing, machine learning, and spatial information management. In addition, the article makes a detailed description of the benefits of open data, and lists a number of global data programs and experimental data sets for scientific research. At the end of this paper, it is pointed out that the democratization of remote sensing will not only produce great economic benefits, but also bring about great social benefits, and finally change the landscape of industry and the life style of people.

Key words: remote sensing     geomatics      *** art phones     open data     open science    

自19世紀出現攝影測量開始，專業遙感(如以測繪為目的的測繪遙感)已經有近200年的歷史。在這一漫長的時期中，專業遙感通常都是作為一個專業或行業在發展、管理和使用。作為專業，有相對穩定的教育框架、課程體系和培養方案；作為行業，有相應的就業對口企事業部門，特別是在各級 *** 尤其是 *** 垂直管理的部門中有特定的管理部門、龐大的生產隊伍。

長期以來，這些測繪遙感部門的常規工作是測繪地形圖(含相應的數字產品)或生產與之相關的其他專題圖、規劃圖等。一個明顯的特點是，各部門都有自己的遙感專業人士、系統的數據采集手段和流程、標準化的產品和特定的產品使用范圍，具有很強的專業性。具體體現在：數據生產和產品制作通常由測繪遙感專業人士根據一定的標準和流程完成，產品主要為地形圖或其他各類專題圖，服務對象以 *** 和軍事機構為主，用于 *** 掌握和管理國家基礎地理信息和國土海洋資源。此外， *** 各部門根據其職能與職責積累了大量的數據和信息，而這些信息散落于眾多的數據和信息擁有者，存在重復生產、集成度低、數據共享不足的問題。

然而，這一多年形成的狀況近10年來正在悄然改變。隨著互聯網與 *** 通信技術的迅速發展、移動智能終端的快速普及，數字城市、智慧城市及以位置服務為代表的數字技術深入到大眾的日常生活，由此導致當前和未來一個時期內測繪遙感發展的顯著趨勢和特點是由專業化走向大眾化，具體體現為：① 數據采集的大眾化；② 數據處理(工具)的大眾化；③ 數據使用的大眾化。在這些大眾化的特點下，我們正迎來一個大眾化(democratized)的、開放的遙感時代。以下就上述特點分別針對國內外在測繪遙感領域的一些典型進展進行介紹和討論。

1 數據采集的大眾化

數據采集大眾化的一個顯著標志是移動智能終端的使用和普及。同時，一些廉價的固定或移動平臺，如無人機、便攜式或穿戴式傳感器等，也推動著數據采集向大眾化迅猛發展。簡單便攜的分析設備正走進我們日常生活的各個方面，如個人保健、醫療分析、食品安全和環境監測等。智能手機作為最普及的移動設備在分析測試方面更具潛力，它帶有越來越多的傳感器：加速度計、麥克風、攝像頭、陀螺儀、定位裝置等，可以方便地獲得各種數據和信息^[1]，如捕獲人類行為數據、記錄位置信息、感測環境變化，甚至可以為相關科學研究記錄和分析數據，成為無所不在、人人擁有的大眾傳感器，成為人們生活中更受歡迎的電子設備。研究人員發現利用手機傳感器進行感知是一個令人興奮的 *** ，不能低估，在許多研究領域的數據收集和處理中都可發揮重要作用^[2]。下面介紹近期報道的與測繪遙感相關的幾個例子。

1.1 攝影測量

英國?？巳卮髮W(University of Exeter)的研究人員開發了一個Android手機應用程序，可以將智能手機轉換為獨立的遙感設備，該程序使用智能手機中加速度計、GPS、指南針和攝像頭等傳感器，允許智能手機自主運行，可以利用從輕型高空作業平臺(如無人駕駛飛機)或風箏上獲取數據來進行景觀繪制。這類系統成熟普及后，可以在全球范圍內支持以大眾為主要參與者的測繪活動，幫助災區人道主義救援工作等。需要說明的是，這是一款開源軟件，可以從歐洲非營利研究機構FoAm Kernow(https://fo.am/kernow/)免費下載。

文獻[3]提出了一個“一日重建羅馬”的系統(https://grail.cs.washington.edu/rome/)，從海量 *** 照片 *** 中尋找影像，通過在互聯網照片共享站點上搜索給定城市(如羅馬)的照片，對其進行影像匹配實現城市場景的三維重建。該系統采用新穎的并行分布式匹配和重構算法，更大限度地提高處理流程中各個階段的并行度，同時更大限度地減少序列化瓶頸。試驗結果表明，在擁有500個計算核的計算機集群上，可在不到一天的時間內重建由15萬張圖像組成的城市。

文獻[4]提出了一種實現從城市尺度三維重建到世界尺度三維重建轉變的系統框架(http://www.cs.unc.edu/~jheinly/reconstructing_the_world.html)，可以實現僅用一臺電腦處理幾千萬張來自互聯網的影像。該 *** 通過使用基于流模型的組件進行圖像鏈接的檢測進而實現高可擴展性，并且可在不犧牲重建后模型完整性的前提下，達到甚至超過其他大規模建模 *** 的效果，具有更高的效率和可擴展性。作者從Flickr網站中獲取9600萬張影像，并對其進行處理，共花費5.26天即獲得世界尺度的三維重建結果。

文獻[5]介紹了利用眾源影像進行大眾協作的在線城市三維重建，并在谷歌和蘋果應用商店上線相關應用程序。該 *** 并沒有對整個城市場景進行一次性重建，而是利用可獲得的建筑物輪廓線(如OpenStreetMap)對城市進行分街區、增量式重建。該 *** 將利用運動恢復結構技術(structure from motion，SfM；相當于攝影測量中的光束法平差)獲得的點云與建筑物輪廓進行配準，獲得相應的地理參考，將分街區重建的結果統一在相對坐標系統下。該系統能夠對用戶新上傳的影像進行快速反應，判斷能否應用于場景重建，并且能夠有效地處理惡意影像及GPS信息中的噪聲^[5]。

文獻[6]介紹了一種基于智能手機的海岸監測技術。首先進行相機檢校，依靠嵌入在智能手機中的GPS提供的三維坐標，使用加速度計和磁力計計算的姿態參數的標準差在0.33°~2.04°范圍內。然后，使用地面控制點對智能手機拍攝的圖像進行三角測量，其精度達到0.681像素，而使用測量相機的中誤差為0.404像素；對智能手機相機檢校后，可以獲得與測量相機相當的精度。最后，使用來自地面激光掃描獲取的數字高程模型(DEM)計算海岸剖面及提取海岸線。這種基于智能手機的監測技術，具有成本低的優勢，可以作為新的海岸監測手段廣泛使用。

同一個研究小組也研究了智能手機作為攝影測量無人機有效載荷的可行性^[7]。他們利用研發的系統分別在靜態和動態條件下獲取圖像、位置和姿態數據，并對其進行三角測量，生成對應的正射影像用于精度評價。試驗發現，在靜態條件中，在考慮相機內參數時，對所有類型的智能手機獲取的影像進行三角測量，中誤差均小于1.28像素；與不考慮內參數的情況相比，提高至少47%。在動態條件中，即便考慮內參數，智能手機圖像三角測量的精度也沒有明顯改善。這是因為受無人機的振動及速度的影響，智能手機的CMOS傳感器中的電子快門的自動對焦技術可能對使用立體影像生成DEM產生負面影響?？紤]到這僅僅是利用一個智能手機獲得的結果，智能手機作為無人機有效載荷是可行的。

武漢大學的研究小組研究了利用智能手機拍攝建筑物的立面照片補充機載激光點云缺失的立面信息的可行性^[8]。首先，利用多視影像立體匹配技術由手機照片生成建筑物立面的三維點云，然后將該立面三維點云與航空激光掃描直接獲取的屋頂點云進行配準和融合，最終形成包含立面與屋頂的完整建筑物三維點云。該團隊利用立面點云和屋頂點云在建筑物輪廓上的相似性進行配準，解決了這兩種點云通常只有少量重疊導致的融合困難問題。

1.2 多光譜遙感

參與感知(participatory sensing)是一個與“大眾遙感”類似的概念，意指非專業人員或外行人能夠容易地使用標準的低成本移動設備收集地理數據。Max等提出基于參與感知的作物高度評估^[9]，19位參與者在德國海德堡的一個玉米田用智能手機和手持GPS設備測量作物高度，然后與地面激光掃描提供的參考數據相比較，發現作物高度模型的精度為10.45 cm(GPS裝置)和14.69 cm(智能手機)。此外，他們認為，將參與者的認知能力納入數據收集過程中可能會提高由參與感知 *** 捕獲的數據質量；這些數據是現場采集農業參數的基礎，與遙感等其他 *** 結合，可以開辟新的視角，支持農業發展。

一般認為，高成本限制了高光譜遙感技術在主流市場中的廣泛應用，其中規模、可重復性和費用尤為重要。而日常智能手機的廣泛使用為開發移動多光譜圖像分析應用提供了有利的平臺，可以提取感興趣的特定信息，并且成本低、易標準化、容易在全球普及。

文獻[10]展示了一種基于智能手機的快速檢測光譜儀，通過探測各種蘋果品種表皮中存在的葉綠素紫外熒光來分析水果成熟度，得到令人滿意結果。并且該設備在智能手機上提供應用程序界面來通信、接收、繪制和分析光譜數據。Kim等探討了基于智能手機的多光譜成像定量早期診斷和治療皮膚病變的潛力^[11]。

在以色列特拉維夫大學創建的Unispectral公司(http://www.unispectral.com/)，研究人員正在開發用于智能手機的小尺寸高光譜相機。通過照片捕獲材料的獨特電磁光譜信息，并結合獨特的算法，實現包括農業、銀行、醫學、自動駕駛等多領域的廣泛商業應用。

2017年4月，美國伽利略集團公司宣布推出基于ARMADA^TM智能手機的高光譜系統。該公司將機載光學、處理和分析功能的核心部件成功擴展到普通智能手機。該系統用于農業科學應用和研究，為作物表型(phenotype)、疾病檢測和特征建模能力開辟道路，還可以提供關于作物健康的實時狀態分析，進行必要的營養調整、雜草鑒定、除草劑應用等。ARMADA^TM收集的數據可以從現場發送到辦公室、實驗室或家用電腦，以便用戶立即審查，對整體作物長勢進行及時的響應。值得說明的是，這項技術適用于一般大型農場的農民，意義遠遠超出了工業化國家。

1.3 城市導航定位

由于城市建筑物的遮擋，全球導航衛星系統(GNSS)用戶設備在城市尤其是在垂直于街道方向的定位效果很差。為了解決這一問題，倫敦大學的Wang等提出使用城市三維模型來預測衛星盲區，研究了一種稱為陰影匹配的定位 *** ^[12]。其開發的系統實現了在接收GPS和GLONASS的智能手機上的實時影像匹配。由于預先計算了建筑物邊界的網格并存儲在手機中，或根據需要從 *** 下載該網格中的數據，其一般處理時間僅為1~2 s。試驗表明，使用這種預測定位 *** ，可將垂直于街道方向的定位誤差從14.81 m降至3.33 m，定位精度提高約4倍。這項工作的意義在于，將城市三維模型與導航定位結合起來，是對傳統基于地圖匹配的導航定位 *** 的擴展，也是一種將數據生產流程反向使用的定位 *** 。在垂直于街道方向得到米級定位精度，有益于智能交通系統(ITS)、自動車道識別、為視障者和游客提供及時導航、基于位置的廣告(LBA)服務等。

城市交通擁堵現象嚴重影響了車輛行駛，而傳統導航系統并沒有考慮實時交通狀況，難以為使用者推薦更佳的行駛路線。印度學者Dhar等提出了一個大眾共享交通信息的手機導航系統^[13]。該系統旨在利用大量用戶上傳的GPS定位信息估計各個交通節點的擁堵情況，為使用者推薦最省時的行駛路線。利用該系統，他們比較了谷歌地圖推薦的3條行駛路線，發現當考慮交通擁堵情況時，其中一條路線明顯優于另外兩條，其中，最短與最長行駛時間分別為613 s和1025 s。未來，他們的工作將聚焦于為不同使用者自動推薦不同路線，從而將交通擁堵情況控制在更低的限度。

1.4 災害應急

美國伯克利大學的研究人員最近報道了利用手機以眾籌方式來探測地震、實現預警的可能性。他們開發的MyShake智能手機應用程序使用加速度計和GPS測量發生的抖動，當有足夠的用戶使用該應用程序時，個人手機就成為地震儀^[14]。當MyShake檢測到類似于地震的抖動時，信息將發送到服務器，若有足夠的手機檢測到抖動，則可將該數據匯集在計算機中并進行分析。如果是大地震，警報可以從最接近地震震中的人的手機發送出來，讓人們遠離。研究人員估計，為了準確地檢測到某個地點的大地震的起源和開始時間，在大約12 331 km²的地區，需要安裝至少300臺手機。在一個地區使用MyShake的手機越多，就能獲得更準確的信息。需要特別指出，除了高精密的傳感技術之外，這項技術也需要先進的模式識別和機器學習 *** 。為了使智能手機中的傳感器正確區分日常振動(如跑步)和地震之間的差異，研究人員通過將一系列裝有該應用程序的智能手機放置在模擬地震的實驗臺上，“訓練”應用程序，以此來使手機正確識別地震信號。世界上大約有10億部智能手機，因此，研究人員希望將這一技術擴展為地震監測甚至早期檢測系統，在地震基礎設施有限的地區，在大量手機的基礎上建設新的地震 *** 。例如，尼泊爾2016年遭受了巨大的地震，造成8000多人死亡，類似的情況可能會受益于MyShake等早期預警系統。因為，尼泊爾只有幾個地震臺站，但有600萬臺智能手機。鑒于該大地震距離首都加德滿都約80 km，研究人員估計，智能手機預警系統可以在震蕩開始前20 s通知城市，為挽救生命贏得寶貴時間。

2 數據處理的大眾化

除了上述數據獲取的大眾化之外，數據處理( *** 和工具)也日益趨于大眾化。許多個人和單位、專業人士和非專業人士開發的數據處理工具被大眾 *** 。這種趨勢與數據科學、開放科學(open science)的發展目標相吻合，很大程度上推動了測繪遙感在研發、教學、生產中全面和快速的發展，也促進了學科交叉融合的日益深入和廣泛。

2.1 攝影測量處理

*** 詳盡地列出了攝影測量和計算機視覺方面的軟件。為適用本文內容，我們對其中的開放軟件部分作了少許編輯，并在此基礎上補充了幾個最近開放的軟件，見表 1。完整的列表可參考https://en. *** .org/wiki/Comparison_of_photogrammetry_software。從表 1可以看出，自2010年以來，開放的攝影測量和計算機視覺軟件呈現了爆發式的增長，一定程度上反映了數據處理大眾化的趨勢。

表 1 開放攝影測量與計算機視覺軟件(按時間排序，部分摘自 *** )Tab. 1 Open photogrammetry and computer vision software(sorted by inception date)

    需要說明的是，在這些開放的軟件中，由傳統攝影測量公司開發或發布的產品并不多，而由計算機公司、新興的無人機公司、 *** 公司、土木工程和設計公司、社交媒體公司等開發產品居多。這里選擇性地介紹幾個有特色的軟件工具。

(1) ARC3D(http://www.arc3d.be)是比利時Leuven大學開發研究的一個攝影測量軟件和服務。除了像其他開放攝影測量軟件一樣，用戶可以下載使用之外，還可以向其網站提交需要處理的影像，后臺的計算機經過立體匹配等處理后將返回自動生成的三維點云。

(2) Ceres Solver是Google公司開發的一個非線性最小二乘問題求解工具包，可用于建模和解決大型復雜優化問題。它被用于Google公司產品多年，其功能強大豐富、計算高效穩定，自2010年以來受到Google公司持續的開發支持。Ceres Solver的應用非常廣泛，表 1中COLMAP、Theia和openMVG都使用Ceres Solver進行平差解算。

(3) Colmap(https://colmap.github.io/index.html)是一個通用的SfM和多視立體(MVS)生產流程，具有圖形和命令行界面。它提供了一系列攝影測量的功能，支持航空影像、傾斜多視影像和近景無序圖像的重建。

(4) OpenDroneMap是一個用于處理無人機圖像的開源工具包。它可以處理大眾無人機獲取的非量測相機影像，生成點云、數字表面模型、紋理數字表面模型、正射成像、分類點云、數字高程模型等。該軟件可在http://opendronemap.org/https://github.com/OpenDroneMap/OpenDroneMap下載。

(5) Regard3D(http://www.regard3d.org)是一個由業余愛好者開發的攝影測量軟件。其開發者Roman Hiestand是一家瑞士公司的軟件工程師，專注于使用C/C++、多線程、計算機視覺、科學計算和信息安全進行多平臺開發。他自稱為一個業余的攝影測量愛好者，通過集成幾個優秀的軟件庫和程序，開發了攝影測量軟件Regard3D，目前已經發布了0.9.1版本。Regard3D使用從不同角度拍攝的照片創建3D模型，為此完成了一系列攝影測量工作，包括：特征點檢測(如角點、邊緣等)、特征描述、特征匹配、確定相機的三維位置和姿態、稀疏點云生成、密集點云或表面生成。Regard3D完全 *** ，由Regard3D創建的所有工作也可以自由使用。

(6) VINS-Mobile(https://github.com/HKUST-Aerial-Robotics/VINS-Mobile)是由香港科技大學航空機器人研究小組成員開發的實時單目視覺輔助的慣性狀態估計器。它在iOS設備上運行，并為增強現實(augmented reality)應用程序提供本地化服務。VINS-Mobile使用基于滑動窗口優化的構想，提供高精度的視覺慣性測距，具備自動初始化和故障恢復功能，并使用全局姿態圖SLAM實時校正積累的測距誤差。

值得注意的是，以上開放軟件中，有一些軟件可以完成從影像到紋理模型的整個處理過程，而其他軟件則只完成其中的一個或幾個中間流程，如SfM、密集點云匹配和三維三角網構建等。為此，英國利物浦約翰摩爾斯大學(Liverpool John Moores University)的Peter Falkingham博士專門對這些開放軟件進行了測試(https://pfalkingham.wordpress.com/2016/09/14/trying-all-the-free-photogrammetry/)，試圖通過組合多個開放軟件，以完成從影像到模型的整個攝影處理處理流程。具體如圖 1所示，如果把從影像到模型的整個處理流水線分為SfM、密集點云匹配、三維三角網構建和后處理(主要是紋理貼圖)4個工序，那么每個軟件可以或多或少地與其他1~3個軟件相結合，完成整個處理流程。圖中紅色箭頭銜接的工序之間工作得很好，綠色箭頭銜接的工序存在問題，藍色的還沒有進行嘗試。從圖中可以看出，商業軟件PhotoScan可以完成整個處理流程，開放軟件MVE也可以完成整個處理流程，其他軟件則需要進行工序上的組合從而完成整個處理流程，如OpenMVG+OpenMVS組合、VirsualSFM+PMVS+MeshLab組合等。

圖 1 開放攝影測量軟件流程組合測試(https://pfalkingham.wordpress.com/2016/09/14/trying-all-the-free-photogrammetry/)Fig. 1 Test on the workflows of open photogrammetry software

2.2 激光掃描測量處理

激光掃描測量數據需要高效的軟件平臺進行展示、處理和分析。目前已有很多開放的激光掃描測量數據處理軟件，以下是一些典型代表。

(1) Quick Terrain Reader(https://www.idaholidar.org/tools/bcal-lidar-tools/)快速地形閱讀器是Quick Terrain Modeler的免費配套軟件?？梢源蜷_DEM和點云，并允許用戶以快速和直觀的方式自由漫游地形。

(2) BCAL LiDAR(https://bcal.boisestate.edu/tools/lidar)是由愛達荷州立大學博伊西中心航空實驗室(BCAL)開發的開源工具，可用于處理、分析和可視化LiDAR數據。它由IDL編程語言編寫，旨在用作ENVI遙感軟件包中的附件。

(3) FugroViewer(http://www.fugroviewer.com/)是一款功能強大，易于使用的免費軟件，可以用于柵格和矢量數據，如攝影測量、LiDAR和IFSAR的數據，支持美國攝影測量和遙感學會(ASPRS)定義的用于激光雷達數據存儲和交換的開放文件格式的最新版本LAS1.4。

(4) MARSFreeView(http://www.merrick.com)支持基本的LiDAR數據導航和瀏覽， *** 。

(5) Points2Grid(https://github.com/OpenTopography/points2grid)是一個強大、可擴展的用于由激光雷達點云生成DEM的工具，是OpenTopography點云處理系統默認的DEM生成算法，已通過數千個DEM生成作業的測試。

(6) LAStools(https://github.com/LAStools/LAStools)是一款強大的機載LiDAR處理軟件套件，可方便地用于LiDAR數據的分類、濾波、柵格化、等高線生成、三角化和多邊形化等。

(7) CloudCompare(https://github.com/cloudcompare/cloudcompare)是一個開源的3D點云和網格處理軟件。它提供了大量手工編輯、渲染三維點云和三角網的基礎工具，并允許用戶在上面集成自己的插件。

2.3 影像機器學習

(1) ImageNet(http://www.image-net.org/)是目前圖像識別領域更大的數據庫，由美國斯坦福計算機科學家模擬人類的識別系統建立。整個數據庫根據WordNet層次結構組織，擁有多個節點(Node)，平均每個節點包含超過500張的訓練圖像。

(2) KITTI數據集(http://www.cvlibs.net/datasets/kitti/)是由卡爾斯魯厄理工學院與芝加哥豐田技術研究所聯合發布的自動駕駛數據集，用于立體匹配、光流、視覺計程(visual odometry)、三維物體檢測和三維跟蹤。其中包括由一對立體相機采集的高分辨率彩色和灰度視頻影像，以及由Velodyne激光掃描儀和GPS定位系統采集的三維路面實況，數據遍及卡爾斯魯厄城的農村和高速公路區域。

(3) NYU Depth Dataset V2(http://cs.nyu.edu/~silberman/datasets/nyu_depth_v2.html)是由紐約大學發布的深度影像數據集，包含3個城市的464個場景，1449對經過配準和標記的彩色與深度影像，以及407 024個未標記的影像幀，被廣泛用于室內三維場景理解的研究。

(4) Thepascal voc數據集由利茲大學、魯汶大學、愛丁堡大學、牛津大學和微軟劍橋研究院聯合提供。它提供了用于目標檢測的標準化圖像影像集，以及用于訪問數據集的通用工具。該數據集能對不同的 *** 進行評估和比較，同時能夠對目標的識別性能進行評估。

(5) Middlebury數據集(http://vision.middlebury.edu/stereo/data/scenes2014/)是由米德爾伯里學院提供的立體匹配數據集，數據包含亞像素級精度的真值，廣泛用于立體匹配算法的性能測試和評估。

(6) COCO(http://mscoco.org/)是微軟團隊獲取的一個用于圖像識別、分割和字幕生成的大型數據集。它以場景理解為目標，從復雜的日常場景中截取，通過分割實現目標的精確標定。數據集中圖像包括91類目標，328 000張影像和2 500 000個標簽。

(7) Cityscapes數據集(https://www.cityscapes-dataset.com/)包含來自50個不同城市街景場景中錄制的多種立體視頻序列，用于像素級和實例級語義標記性能評價。

(8) MPI Sintel數據集(http://ps.is.tue.mpg.de/research_projects/mpi-sintel-flow)解決了現有光流基準測試的局限性，包含流場、運動邊界、不匹配區域和圖像序列。它旨在促進長距離運動、運動模糊、多幀分析和非剛性運動的研究。

(9) SUN3D(http://sun3d.cs.princeton.edu/)是普林斯頓大學提供的大規模RGB-D視頻數據集，數據集包括多個完整的室內場景以及對應的攝像機參數和物體標簽，可用于場景理解和三維重建研究。

(10) ShapeNet(https://www.shapenet.org/)是由普林斯頓大學、斯坦福大學和TTIC的研究人員聯合提供的大型3D形狀數據集。它涵蓋55個常見對象類別，大約51 300個獨特的3D模型。該數據集為世界各地研究人員提供數據，以便能夠在計算機圖形學、計算機視覺、機器學習和其他相關領域進行研究。

(11) YouTube-8M(https://research.google.com/ *** 8m/index.html)是一個大規模視頻標注數據集，包含上百萬個YouTube視頻鏈接及對應標簽。它旨在推動大規模視頻理解、特征學習、噪聲數據建模、遷移學習和域自適應 *** 的研究。

(12) HandNet數據集(http://www.cs.technion.ac.il/~twerd/HandNet/)包含RealSense RGB-D相機記錄的10個工作人員的手部非剛性變形深度圖像，包含以手和五指為中心的6D姿態信息。

(13) MegaFace(http://megaface.cs.washington.edu/)是華盛頓大學收集的一百萬張人臉圖片，代表 690000個獨特的人。MegaFace是之一個百萬規模級別的面部識別算法測試基準。

2.4 地理空間信息管理

多源、多類、多時相的遙感和地理數據需要一個統一的數據平臺進行管理和分析。目前已有很多開放的地理信息平臺，以下是一些典型的代表。

(1) GDAL是一個用于讀寫各種柵格和矢量數據的開放軟件庫。此外，它還支持一定的投影和轉換。GDAL開始時主要由Frank Warmerdam開發，后來其維護移交到開源地理空間基金會下的GDAL/OGR項目管理委員會，成為一個主要的開放軟件項目。

(2) QGIS是一個跨平臺的免費和開源地理信息系統。它除了匯總和導出地圖之外，還允許用戶分析和編輯空間信息，支持多種格式的柵格圖像并實現地理配準。此外，QGIS還支持個人地理數據庫、DXF、MapInfo、PostGIS等格式，允許通過Web服務使用外部來源的數據。

(3) SAGA GIS是一種用于編輯空間數據的免費和開源地理信息系統。它起初由德國哥廷根大學自然地理系開發，目前已由一個國際開發社區來維護和擴展。SAGA GIS旨在為科學家提供一個有效學習和實現各種地球科學原理和 *** 的平臺，目前，已有越來越多的庫建成并可供使用。

(4) GRASS GIS于1982年由美國陸軍施工工程研究室(USA-CERL)研發，1985年發布之一個版本。1990年，CERL停止對GRASS的官方支持，隨后GRASS開始走下坡路。1999年，GRASS實行開源，由此GRASS開發和應用形成一大批活躍的開發社區。2006年，GRASS項目組加入開源地理空間基金會，自此成為開源地理基金會的正式項目。目前，GRASS的最新版本為7.2.1，可以運行在Mac OSX、Windows及Linux 3個平臺上，具有良好的平臺移植性和拓展性。GRASS可用于空間數據管理和分析、圖像處理、地圖制圖、空間建模和可視化等方面，在全球學術界、工業界及有關 *** 機構中得到了廣泛應用。

(5) OSSIM是一個用于遙感、圖像處理、地理信息系統、攝影測量方面的開源軟件。它主要使用C++編寫完成，支持Linux、Windows、Mac OSX及Solaris等多種平臺。由于OSSIM使用了模型-控制器-視圖的結構，所以算法的實現和圖形化界面(GUI)是分離的，這使得OSSIM可以支持多種GUI接口。

(6) SharpMap是基于.Net平臺，用C#語言開發的GIS開源項目，是一套簡單易用的小型GIS平臺。SharpMap與系統龐大、成本過高的商用WebGIS產品相比，具有小巧、開源、靈活的特點，適合小規模GIS軟件的二次開發。它體積雖小，卻實現了一個GIS軟件的所有基本功能，支持多種GIS數據格式、支持空間查詢；使用簡單，只要在.Net項目中引入相應的動態鏈接庫(DLL)即可，沒有復雜的安裝過程；拓展性強，可以用于開發 *** 和桌面GIS應用程序。

(7) World Wind是一款由NASA開發的開源三維地理信息系統，它既可以作為獨立的單機GIS應用程序從互聯網 *** 問空間信息數據，也可以作為其他應用程序的插件。World Wind可以將Landsat 7、SRTM、MODIS等多顆衛星的數據及其他 *** 地圖服務(web map service，WMS)服務提供商提供的圖像通過一個三維的地球模型展現。World Wind功能強大、可拓展性強、全部代碼開源，以其為平臺開發特定功能的GIS應用程序比較方便。

(8) MapWindow GIS是一款以MPL(Mozilla Public License, Mozilla公共許可證)為授權協議，基于.Net環境開發的開源地理信息系統和應用程序編程接口，使用它可以瀏覽和編輯多種GIS數據格式。不僅如此，MapWindow并不僅僅局限于提供純粹的基本功能，其更大優勢在于還提供了一個充分可拓展的插件接口，使用戶自己可以對MapWindow的功能進行組合、增減，并且可以通過插件將各種與地理信息系統有一定依存關系的計算、模擬程序與MapWindow無縫整合，從而滿足用戶自己的特殊需求。美國環保署(EPA)已經采用它作為其BASINS(Better Asses *** ent Science Integrating Point and Nonpoint Sources)流域分析和建模軟件的主要平臺。

(9) GeoTools是一個純Java語言實現的開源GIS中間件，該項目隸屬于開源地理空間基金會。GeoTools類庫遵循OGC(Open Geospatial Consortium)標準規范開發，提供了從數據訪問層到數據渲染層的GIS操作的實現，并定義了一系列標準的接口對外提供調用。GeoTools可用來構建不同種類的GIS系統，包括 *** GIS應用服務器、桌面應用客戶端等，是開源GIS產品中較為優秀的代表。GeoTools支持多種GIS數據源的訪問，具體包括：矢量文件、柵格文件、關系型數據庫、OGC規范下WMS地圖圖片服務、OGC規范下WFS矢量要素服務等。

(10) uDig是Refractions Research公司開發的一款用于瀏覽和編輯地理信息的開源桌面GIS系統，用于顯示和編輯地理數據。它遵循OGC標準，適用于WMS、 *** 要素服務(WFS)等 *** 應用。uDig為用戶提供了熟悉的操作環境，可以在Windows、Mac OSX和Linux這三大平臺上運行，支持 *** 服務標準和主流產品，并為復雜的分析功能提供了一套框架。對于開發人員而言，uDig還提供了一套開源的通用Java GIS開發平臺，開發人員可以基于uDig開發GIS應用程序，從而實現對uDig的擴展。

需要說明的是，除了上述基于本機的地理信息系統外，尚有許多基于 *** 的地理信息系統，如谷歌地球、谷歌地圖、ArcGIS Online、天地圖等為大眾提供的地理信息服務平臺。

3 數據使用的大眾化

數據使用的大眾化是指 *** 和非營利組織將他們收集或獲取到的地理空間數據向大眾開放，以用于不同科學目的或社會性項目。

首先要說明一個問題，為什么要開放數據，開放數據有什么好處？對此Open Data Institute(ODI)(https://theodi.org/the-value-of-open-data)進行了大量的研究和報道。據橫向經濟學(Lateral Economics)(https://lateraleconomics.com.au)的研究，開放數據可以比付費數據多創造了0.5%的國內生產總值(GDP)。2013年，麥肯錫(McKinsey)曾預計，各個行業的開放數據將為全球市場提供動力，每年將使其增加3萬億至5萬億美元。根據Capgemini在歐洲數據門戶網站上的研究報告，到2020年，使用開放數據將使歐盟的公共管理成本降低17億歐元。此外，開放數據的有效利用可節省6.29億小時不必要的等候時間，進而減少16%的能源消耗。開放數據研究所的研究還表明，使用、生產或投資開放數據的英國公司雇用了50多萬人，年營業額超過920億英鎊；美國Landsat數據每年可節省3.5億至4.36億美元。

世界銀行集團(World Bank Group)的研究表明，世界各國 *** 正在將他們在許多地區收集的數據作為一種新型的公眾資源向社會開放^[15]。開放數據是在線免費提供的數據，任何人可以將其用于商業用途以外的任何目的和重新發布。雖然社會媒體、公司和非 *** 組織都可以作為開放數據的來源，然而最廣泛的來源仍然是 *** 和 *** 支持的機構。他們發現，這種開放的 *** 數據可以用來創造社會和經濟價值、確定社會和經濟趨勢、改進公共服務、建立 *** 信任、促進經濟增長。世行開發了幫助世界各國 *** 評估和建立開放數據計劃的 *** ，開放數據的業務價值可能會達到每年數萬億美元。開放數據的主要優點在于：開放數據可以幫助發起新業務、優化現有的業務，促進經濟增長、創造就業機會，改善外商投資氣氛；它也可以使就業市場更加高效，促進關鍵技術工作培訓。

3.1 美國Landsat影像

時間早、規模大、影響廣的數據大眾共享是美國 *** 決定自2008年12月起將Landsat全球數據全部共享，向所有用戶免費提供。Landsat是世界上收集時間最長的中等分辨率土地遙感數據，40多年來為農業、地質、林業、區域規劃、教育、測繪和全球變化研究提供了重要資源。

截至2017年3月31日，全球用戶已下載超過5600萬景影像(https://landsat.usgs.gov/total-landsat-distribution)。約73%的用戶是國際用戶，其余來自美國；其中2008年以來新用戶占43%，大多數用戶是最終用戶；超過一半的用戶在學術界工作。就環境和社會效益而言，80%以上的用戶看到了環境效益，如實現長期規劃或監測、保護與改善環境條件、維護改善生態系統服務等。約90%的用戶通過使用Landsat圖像能夠更好地交流并進行決策，75%的人用來支持執行法規或政策，減少人身危險，增加人的安全；近70%的用戶用來解決糾紛減少沖突^[16]。

就經濟效益而言，科羅拉多州立大學和美國地質調查局2015年的研究表明，2011年免費下載的238萬景Landsat影像，使美國經濟受益達到18億美元^[17]，幾乎是Landsat 8建設和發射成本的2倍。這個估計被認為是保守的，因為它沒有考慮到Landsat數據的任何下游用戶，即那些沒有直接從USGS下載Landsat數據的用戶。研究認為，Landsat的大部分價值來自于免費和開放的數據政策，為用戶提供了大量的無成本數據，而即使少量的數據收費也將大大減少用戶的數量。

歐共體也在考慮類似的衛星數據開放政策(https://theodi.org/the-value-of-open-data)。2012年歐空局的研究表明， *** 的衛星數據開放政策在中長期內是有益的，到2030年，估計有300億歐元的市場和數以萬計的新工作。歐盟委員會計劃公開所有公共數據——地理、統計、氣象和公共資助的研究數據等。他們的目標是使納稅人低成本或零成本訪問和重新使用收集的數據。修改數據政策以使歐洲公共部門機構可用的成本較低的數據使用量增加10~100倍。開放數據可以激發新的數據用途、吸引新的數據用戶、創造新的工作機會。

3.2 全球數字地面模型(DEM)

最早的全球數字地面模型是1996年由美國USGS發布的GTOPO30，其分辨率較低(約1000 m)，由8類不同來源的數據融合而成，高程精度優于30 m。類似于GTOPO30, 由美國USGS發布的GMTED2010也是多種數據融合而成，包括約1000 m、500 m和250 m 3個分辨率，精度相對于GTOPO30有一些提升。隨著數據獲取與處理技術的發展，全球DEM的精度也越來越高。目前中等分辨率(30~90 m)開放的全球DEM主要有3個來源：一是美國航空航天局于2000年2月用航天飛機干涉合成孔徑雷達(InSAR)技術生成30 m分辨率的數字高程模型(SRTM DEM)。從2014年底開始，30 m分辨率的SRTM DEM數據已向全球逐步公開發布，目前已經覆蓋包括中國在內的世界絕大部分地區，其高程精度優于16 m^[18]。事實上，德國宇航中心利用SRTM X波段數據生產的DEM比美國利用SRTM C波段數據生產的DEM精度更高，但其呈網狀覆蓋全球(即有較多的數據缺失)的特點極大地限制了其應用。二是美國與日本聯合推出的基于攝影測量的產品ASTER Global DEM(分辨率為30 m)，覆蓋面更廣(占地球陸地面積的99%)，但在有云遮擋的地區存在漏洞。2011年10月，ASTER Global DEM版本2公開發布，在版本1上大大改善, 被認為是崎嶇山區比SRTM高程模型更準確的表示。三是ALOS World 3D，是由日本宇宙航空研究開發機構(JAXA)通過攝影測量 *** 生產的全球30 m空間分辨率數字表面模型，這一數據原始分辨率為5 m，其標稱高程精度為5 m，經過采樣后生成的30 m的DEM最近也已經向公眾免費提供。

3.3 美國USGS 3-D Elevation Program

美國地質調查局(USGS)自2012年開始實施3D高程計劃(3DEP)^[19]，以應對日益增長的對高質量地形數據及數字三維自然和人工地物的需求。3DEP的主要技術手段是采用激光雷達數據測量，計劃8年完成。需要說明的是，3DEP計劃實施前曾調查了34個聯邦機構、所有50個州、一些地方 *** 和區域性辦事處以及私營和非營利組織等的600多個業務用途。調查表明，全面資助和實施3DEP將為 *** 機構、私營部門和公民提供每年6.9億美元的新效益。目前，所有公共機構每年投入大約5000萬美元用于高程數據獲取，但僅僅約有14%的州擁有滿足所需質量水平的激光雷達數據。因此，每年需要額外的9600萬美元來實施3DEP。但是，這項投資將導致近1:5的回報率。普遍認為，這個計劃將為美國提供全覆蓋的1~3 m分辨率的數字高程模型，并且向大眾免費開放。

3.4 美國USGS土地覆蓋數據

美國國家土地覆蓋數據庫(NLCD)^[20]是美國用Landsat圖像生產的30 m分辨率的土地覆蓋數據庫。NLCD提供了地表特征的空間參考和描述性數據，如專題類(如城市，農業和森林)、不透水百分比及樹冠覆蓋率等。NLCD支持各種聯邦、州、地方和非 *** 應用，旨在評估生態系統狀態和健康，了解生物多樣性的空間格局，預測氣候變化的影響，并制定土地管理政策。NLCD產品由多分辨率土地特征(MRLC)聯盟創建，該聯盟是由美國地質調查局牽頭的聯邦機構的合作伙伴。所有NLCD數據產品均可從MRLC網站(http://www.mrlc.gov)免費下載。美國土地覆蓋數據有16類，自2001年開始，每5年更新和發布一次，目前的時間節點是2001、2006、2011、2016(待發布)。

3.5 全球土地覆蓋數據集

全球土地覆蓋數據(30-meter Global Land Cover Dataset)^[21]由中國國家基礎地理信息中心在2014年發布，是863計劃“全球地表覆蓋遙感制圖與關鍵技術研究”重點科研項目的產品之一，該項目由國家基礎地理信息中心牽頭，來自國家測繪地理信息局、中科院、教育部、農業部、林業局等7個部門的18家單位共同參與。這一數據集的分辨率為30 m，由以2010年為基準年的Landsat衛星觀測數據分類得到，將土地劃分為耕地、森林、草地、灌木叢、濕地、水體、凍原、人工地物表面、裸地、永久雪地和冰地共10類，總體分類精度達到83.51%。

3.6 世界城市數據庫

世界城市數據庫(World Urban Database，http://www.wudapt.org/)的目的是通過眾籌建立一個開放、共享的城市數據庫[22]。城市化對城市、區域和全球范圍氣候的影響是一個頗有爭議的話題。但是，目前大部分相關研究集中在使用人口和行政信息結合遙感數據來繪制城市地圖，然而，這些數據難以提供關于城市內部組成的信息，這對于了解其對環境的影響及它們對變化的脆弱性至關重要。世界城市數據庫在門戶網站中提供基本工具，以便研究人員將本地數據匯總到指定的參考網格。該數據庫以本地氣候區(LCZ)作為分類框架，使用Geo-Wiki對不透水表面(如建筑物、道路、其他)、透水表面，草地等的土地覆蓋和土地利用類型進行采樣；采用在線和基于移動的工具以獲得建筑材料、建筑尺寸、冠層寬度等其他信息。由于數據集的開放性，世界各地的研究人員可以將數據用于許多不同類型的應用，從氣候和天氣模型到能量平衡研究。之一屆WUDAPT研討會在都柏林大學(2014年7月7—9日)舉行，其中16個城市參加為LCZ，會議討論了數據收集協議，并期望有更多的城市專家和研究人員加入到這一計劃中。

3.7 面向研究的開放數據

這些數據一般是或者含有地理真值，或者帶有原始的觀測數據、抑或沒有經過過多的處理，覆蓋范圍較小，或有多種數據的覆蓋，因此多用于科學研究。這里選擇性地列出作者熟悉的一些參考數據供讀者參考。

建筑物立面地面激光掃描數據集(http://www.ikg.uni-hannover.de/)。由Institute of Cartography and Geoinformatics at the Leibniz University of Hannover提供。

兩個老建筑物的地面激光掃描數據(http://www.ifp.uni-stuttgart.de/publications/software/laser_splatting/index.html)。由Institute for Photogrammetry, University of Stuttgart, Germany提供。

NASA Scanning Lidar Imager of Canopies by Echo Recovery(SLICER)激光波形數據：https://denali.gsfc.nasa.gov/research/laser/slicer/slicer.html。

ISPRS點云濾波數據集(http://www.itc.nl/isprswgIII-3/filtertest/DownloadSites.htm)。目的是評價現有點云濾波的各種算法，共有8個數據樣區的數據。

土地利用數據集(http://vision.ucmerced.edu/datasets/landuse.html)。由加州大學Merced分校提供。這是一個用于研究目的的21類土地利用圖像數據集，每類有100張圖片，每個圖片256×256像素，像素分辨率為1 ft(1 ft=0.30 m)。其從USGS城市地圖集中手工提取。

普渡大學高光譜影像數據集(含類別標注)：https://engineering.purdue.edu/~biehl/MultiSpec/hyperspectral.html。

ISPRS城市分類、建筑物三維重建和語義標注數據集：http://www2.isprs.org/commissions/comm3/wg4/detection-and-reconstruction.html。

ISPRS各類影像數據集(http://www.isprs.org/data/)。其中包括近景、航空和衛星影像，如IKONOS和ZY-3。

EuroSDR航空影像密集匹配數據(http://www.ifp.uni-stuttgart.de/ISPRS-EuroSDR/ImageMatching/index.en.html)。鑒于自動影像匹配軟件的不斷發展，該測試數據集旨在評估攝影測量三維數據采集的潛力。試驗數據包括兩組垂直攝影和一組傾斜攝影。傾斜數據的覆蓋區域是瑞士蘇黎世，地面分辨率為6~13 cm，垂直影像的覆蓋區域分別是德國Vaihingen(地面分辨率為20 cm)和慕尼黑(地面分辨率為10 cm)。

IEEE-GRSS每年都組織數據融合競賽(Data Fusion Contest)。為此，他們也和其他單位公開發布一些獨特的競賽數據集。以正在進行的2017年競賽為例，其實驗數據由前述世界城市數據庫組織(WUDAPT，http://www.wudapt.org)提供。其目標是促進多源遙感數據融合和分析 *** 的進展。2017年數據融合大賽的任務是在各種城市地方氣候區環境中進行土地利用分類，并且評價所研究的 *** 在世界各地泛化的能力。競賽數據除了多時相、多模態的影像數據外，還包括其他輔助數據，如具有土地利用信息的開放街道地圖(O *** )。

4 結束語

遙感由專業遙感(含測繪遙感)向大眾遙感過渡是一種必然，其內在驅動力是多方面的。首先，小型、多功能、廉價、輕便傳感器的出現與普及，尤其是智能手機的日益普及和 *** 傳輸帶寬的增強，智能手機已經被用作一種無所不在、隨時隨地由大眾個人來獲取數據的有效手段。實際上，動態數據的獲取在很大程度上取決于使用機動、功能齊全的傳感器，而智能手機恰好滿足了這種特性，因此，大眾使用的智能手機使得大眾遙感無處不在的數據采集成為可能。

其次，城鎮化、日益突出的環境、資源和氣候問題，以及時常發生的惡性突發事件，使得在大尺度上來認識和監測我們居住的地球成為需要。日臻成熟的航空航天及地面遙感技術為滿足這種需要提供了可能，而隨著信息化向各行各業的融入，社會對各種基礎地理空間數據的需求也越來越迫切，這必將推進測繪行業的跨行業服務和發展，促進數據、信息和資源的共享，使其在國家發展和人民生活中起到越來越重要的作用。

最后，遙感數據和處理工具與平臺的開放化可以帶動經濟發展、產生新的就業機會，逐步成為數據科學和開放科學新的經濟增長點。數據和處理工具的開放一方面為研究人員提供了更好的研究環境，極大地促進了學科交叉融合發展，為科學技術、領域應用甚至產業結構和服務方式提供了新的可能；另一方面，數據和工具的開放，打開了各部門各學科研究與應用的壁壘，減少了資源浪費，降低了地域間、行業間、學科間等的信息不對稱，極大地促進科學技術的跨越式創新和普及。

總之，遙感正在從多個維度以前所未有的速度由專業走向大眾。如果說，Landsat衛星數據的開放開啟了遙感大規模的行業應用、產生了巨大的經濟效益；那么，以智能手機為代表的大眾傳感器和大眾科學正在使遙感從行業應用走向大眾應用，在產生巨大的經濟效益的同時，也終將產生巨大的社會效益。在這種大趨勢下，一方面遙感科學的外延在不斷擴大，正在改變行業的格局和大眾的生活方式；另一方面，相關學科對遙感科學的貢獻和影響也在與日俱增并不斷注入新的思想和 *** 。所有這些都對遙感科學本身的發展與進步提出了新的挑戰，時代正在給我們測繪遙感一個跨越式、全方位發展的機遇。

【引文格式】單杰。從專業遙感到大眾遙感[J]. 測繪學報，2017，46(10)：1434-1446. DOI: 10.11947/j.AGCS.2017.20170361